银行股的利空信息满天飞，某些是莫须有，某些是夸大其词，某些是不懂装懂而明显误导人们。今天我忍不住了，尽可能简单的和大家说说这些问题。1，资本充足率监管提高至12%。这是明显的莫须有，当然，或有可能，银监会的某人在喝醉酒的情况下无意之中说的一句无心话，或者是为了制裁某家不听话银行的恶语。事实上，银监会在2009年8月3日《关于对实施新资本协议相关指引征求意见的公告》相关文件中明确：资本充足率标准为8%，核心资本充足率为4%，没什么变化。当然，银监会也明确放风
系统 2019-08-12 01:55:14 2415
ifexists(select*fromdbo.sysobjectswhereid=object_id(N'[dbo].[f_FormatSTR]')andxtypein(N'FN',N'IF',N'TF'))dropfunction[dbo].[f_FormatSTR]GO/*--字符串格式化函数分拆指定分隔符的的字符串,并把它重新组成生成固定长度的字符串--邹建2004.04(引用请保留此信息)--*//*--调用示例SELECTdbo.f_Forma
系统 2019-08-12 01:51:41 2415
这题一开始想新建一个list，结果MLE了，后来想了想不用新建，insertion的概念理解好就行，具体编程部分不难1/**2*Definitionforsingly-linkedlist.3*structListNode{4*intval;5*ListNode*next;6*ListNode(intx):val(x),next(NULL){}7*};8*/9classSolution{10public:11ListNode*insertionSortLi
系统 2019-08-12 01:51:28 2415
http://www.grc.com/securable.htm第一个64位表示你的电脑最多支持多少位的系统，32或者64。第二个表示你的硬件是否支持DEP？Yes，支持。No，不支持。OFF，表示支持，但是关闭着的。第三个表示你的电脑是否支持CPU虚拟化。Yes，支持。No，不支持。OFF，表示支持，但是关闭的，需手动打开。怎么确定你的CPU是否支持64位虚拟化
系统 2019-08-12 01:33:01 2415
分页很重要，面试会遇到。不妨再回顾总结一下。1.创建测试环境，(插入100万条数据大概耗时5分钟)。createdatabaseDBTestuseDBTest--创建测试表createtablepagetest(idintidentity(1,1)notnull,col01intnull,col02nvarchar(50)null,col03datetimenull)--1万记录集declare@iintset@i=0while(@i<10000)begi
系统 2019-08-12 01:32:47 2415
目录常用代码片段及技巧自动选择GPU和CPU切换当前目录临时添加环境目录打印模型参数将tensor的列表转换为tensor内存不够debugtensormemory常用代码片段及技巧自动选择GPU和CPUdevice=torch.device('cuda'iftorch.cuda.is_available()else'cpu')#modelandtensortodevicevgg=models.vgg16().to(device)切换当前目录importo
系统 2019-09-27 17:55:40 2414
如下所示：#coding=utf-8importosimportos.pathimportreimportarrayimportcmdimportpdbimportpickleimporttempfileimportsubprocess#rootPath=os.getcwd()#printrootPathrootPath=raw_input('TheCheckPath:')nonCheckDir=raw_input('TheNonCheckDirName(
系统 2019-09-27 17:54:40 2414
一、创建一个项目如果这是你第一次使用Django，那么你必须进行一些初始设置。也就是通过自动生成代码来建立一个Django项目--一个Django项目的设置集，包含了数据库配置、Django详细选项设置和应用特性配置，具体操作步骤如下所示。1.新建Django项目选择sqlite数据库2.创建网站模块app3.测试新建的模块是否正常Validatingmodels...0errorsfoundMarch12,2014-10:26:53Djangoversi
系统 2019-09-27 17:53:09 2414
numpy.set_printtoptions(edgeitems=5):值过多，显示前5个和后5个偏度：衡量随机分布的不均衡性，偏度=0，数值相对均匀的分布在两侧峰度：概率密度在均值处峰值高低的特征python计算数据均值、标准差、偏度、峰度：importnumpyasnpfromscipyimportstatsx=np.random.randn(10000)mu=np.mean(x,axis=0)sigma=np.std(x,axis=0)skew=s
系统 2019-09-27 17:52:56 2414
Python数据科学入门DmitryZinoviev著熊子源译第10章机器学习监督学习尝试从具有标记的训练数据集中推断出预测函数，其中训练数据集中的每一个样本属于哪类都是已知的。（线性回归、逻辑回归、随机决策森林、朴素贝叶斯分类、支持向量机、线性判别分析、神经网络）无监督学习尝试在没有标记的数据中找出隐藏的结构。（K均值、社区检测、分层聚类、主成分分析）第48单元设计预测试验完成模型的建立、评估和验证有一下四个步骤：将输入数据分成训练集和测试集（一般占比为
系统 2019-09-27 17:50:40 2414
